Información del curso

  • Profesor: Julio Waissman Vilanova

  • Localización: Cubículo 1, edificio 3K-4

  • Horario: Lunes a viernes de 13:00 a 14:00 hrs.

  • Prerequisitos:

    • Lenguaje de programación: Para el curso el lenguaje de programación utilizado es Python. Existen muchos y muy buenos tutoriales de Python en la red. Se asume que los alumnos del curso de Inteligencia Artificial tienen cierto nivel de competencias en programación, y que aprender un nuevo lenguaje no es un problema.

    • Bases matematicas: Se espera un conocimiento previo en álgebra lineal, probabilidad y nociones de estadística.

  • Una pequeña motivación al curso antes de continuar

  • Asesorías: Todas las asesorías individuales presenciales que requieran los alumnos son posibles y deseables. Solamente se les solicita acordar una cita con el profesor, con el fin de encontrar un horario conveniente para ambos.

  • Bibliografía: Inteligencia Artificial Un Enfoque Moderno, 4 ed., Stuart Russell y Peter Norvig (Pearson Educación). De preferencia usar la   4ta edición (versión global), la tercera edición es correcta y se encuentra en la biblioteca. la segunda edición es un poco viejita pero aguanta.Evitar la primera edición, ya que la traducción es pésima. A lo largo del curso se irán agregando referencias a material disponible en la Web con bibliografía y tutoriales actualizados e interactivos.

El test de turng remasterizado

Temario tentativo por semana

Primera parte: fundamentos

  1. Introducción a la IA, un enfoque en agentes
  2. Aprendizaje supervisado (agente reflejo)
  3. Modelos lineales de aprendizaje (agente reflejo)
  4. Planeación o búsquedas (agente basado en estado)
  5. Juegos deterministas (agentes basados en estado)
  6. Modelos de decisión de Markov (agentes basados en estados con incertidumbre)
  7. Satisfacción de restricciones (agente basado en metas)
  8. Sistemas basados en conocimientos (agente basado en conocimientos)
  9. Evaluación intermedia

Segunda parte: temas avanzados

  1. Búsquedas locales
  2. Redes neuronales
  3. Redes bayesianas
  4. Aprendizaje por refuerzo
  5. Juegos estocásticos

Calificación

La calificación del curso se realiza de la siguiente manera:

  • Actividades de evaluación continua (notas) 10%
  • Actividades de evaluación de conocimientos (problemarios) 30%
  • Actividades de evaluación de competencias (laboratorios) 30%
  • Exámenes 30%

Actividades de evaluación continua

La actividades de evaluación continua se va a evaluar con un seguimiento de notas de los temas que se han tratado en la semana. Para esto, cada estudiante deberá tener un repositorio público de GitHub de la materia, donde van a tener que subir un archivo en formato markdown con las notas por temas (se puede agregar información adicional, así como ejemplos, imágenes y ligas a otros materiales).

Para esta actividad, anexa en la página de entregar tareas del Equipo de Teams del curso (sitio oficial en la Universidad de Sonora) la dirección del repositorio, y una página web usando GitHub-Pages.

Si no sabes como hacerlo Aquí hay un curso introductorio del mismo GitHub. En internet y en youtube encontrarás cientos de tutoriales, pero me parece que no los necesitan, es bastante intuitivo.

Vamos a idear un esquema para estar evaluando de manera continua las notas que vayan subiendo al repositorio. La idea es que al final del curso, cada estudiante tenga un buen compendio de notas del curso.

Actividades de evaluación de conocimientos

La evaluación de conocimientos en forma continua se va a relizar con actividades, problemarios o tareas que impliquen trabajo fuera de clases. Estas tareas las vamos a evaluar dentro de la plataforma de Teams. Procuraremos tener todas las semanas una actividad. Las actividades entregadas fuera del plazo establecido tienen una calificación de cero. Se evaluará al final con el promedio del 80% (redondeado) de las actividades mejor evaluadas por cada alumno.

Actividades de evaluación de competencias

Para aprobar el curso es necesario tener una calificación mayor o igual a 60 en las actividades de evaluación de competencias. Las actividades de evaluación de competencia se califican con el promedio del 80% (redondeado) de las actividades mejor evaluadas por cada alumno. Una actividad entregada fuera del plazo de entrega tiene una calificación de cero.

Las actividades de evaluación de competencias se va a realizar por miniproyectos, los cuales se encontrarán en GitHub y ustedes pueden hacer un fork para continuar. Vamos a manejar la entrega por medio de pull requests que realicen de su fork al repositorio original. Cada miniproyecto va a tener una rúbrica de evaluación que se les proporcionará con anticipación.

Exámenes

Los exámenes tienen por objetivo ver si, con lo aprendido en el curso, los estudiantes son capaces de responder preguntas y extender sus conocimientos a problemas o técnicas no vistas en el curso, pero que con las bases obtenidas sean capaces de extender sus conocimientos. Los exámenes son con todo el material disponible para consulta (físico y en línea) y tendrán una duración entre 3 y 24 horas, dependiendo de su dificultad. Los exámenes son individuales y ante sospecha de deshonestidad, se penalizará a quienes incurran en faltas éticas.